PARAMETER SAMPLING
SAMPEL
2 STATISTIK
x s
s2 r
GENERALISASI/
INFERENSI
• Generalisasi/Inferensi statistika :
penarikan kesimpulan dari hal yang jumlah
elemennya lebih sedikit (sampel) ke hal
yang jumlah elemennya lebih banyak atau
lebih luas atau dikenal dengan populasi
• Syarat : Sampel mewakili (representatif)
populasi
– Besar sampel
– Cara pengambilan sampel
– Kecermatan memasukkan ciri-ciri populasi
Besar Sampel
• Syarat penting untuk suatu generalisasi atau
inferensi
• Prinsip : makin besar, makin baik
• Semakin homogen populasi, semakin kecil
sampel, semakin heterogen populasi, semakin
besar sampel
• Tujuan penentuan besar sampel :
1. mewakili populasi (representative)
2. keperluan analisis
Perlu diperhatikan :
• Jenis dan rancangan penelitian
• Tujuan penelitian/analisis
• Jumlah populasi
• Karakteristik populasi/cara pengambilan
sampel (teknik sampling)
• Jenis (skala pengukuran) data
• Tingkat kepercayaan
• Penyimpangan yang ditolerir (ketelitian)
BESAR SAMPEL
Penelitian Cross Sectional
Z/22 . p . (1-p)
n = ------------------------
d2
di mana :
Z/2 = harga normal baku sesuai dengan luas area di
bawah kurva baku sebesar (1-/2)
untuk = 0,05 nilai Z = 1,96
1- = tingkat kepercayaan
p = proporsi kasus yang diteliti dalam populasi
d = kesalahan yang dapat ditolerir
BESAR SAMPEL
Penelitian Case - Control
2 . (Z + Z)2 . p . (1-p)
n = -------------------------------
(p0 - p1)2
di mana :
Z = harga normal baku sesuai luas area di bawah kurva baku
sebesar (1-) untuk kesalahan tipe I ( = 0,05 Z = 1,65)
Z = harga normal baku sesuai luas area di bawah kurva baku
sebesar (1-) untuk kesalahan tipe II ( = 0,10 Z = 1,28)
p1 = proporsi individu kelompok kasus mendapat paparan
p0 = proporsi individu kelompok kontrol mendapat paparan
p = (p0 + p1)/2
BESAR SAMPEL
Penelitian Cohort
1 2 . (Z + Z)2 . p . (1-p)
n = --------- . -------------------------------
(1-f) (p0 - p1)2
di mana :
Z & Z = sama dengan penelitian Case Control
p0 = proporsi partisipan tidak terpapar yang diharapkan terjadi
kasus yang diteliti
p1 = proporsi partisipan terpapar yang diharapkan terjadi kasus
yang diteliti
p = (p0 + p1)/2
f = proporsi partisipan hilang/mundur dari pengamatan
PENGAMBILAN SAMPEL
* * * * LOTRE/ BIL.
RANDOM
* * * * * *
* * * * * * * *
* * * * * * * * * * *
* * * * * * * * * * *
* * * * * * *
SAMPEL
* * *
SYSTEMATIC RANDOM
SAMPLING
• MIRIP SIMPLE RANDOM SAMPLING
• MENGGUNAKAN CARA SISTEMATIS
UNIT SAMPEL 1 : SIMPLE RANDOM
UNIT SAMPEL 2, 3, ….. DST SECARA
SISTEMATIS DENGAN INTERVAL
TERTENTU
INTERVAL = N/n
STRATIFIED RANDOM
SAMPLING
• populasi bisa dipisah menurut stratifikasi
tertentu
• STRATA :
– subpopulasi dari populasi awal
– tiap strata homogen
– antar strata heterogen
• Contoh : petani dibagi menjadi 3 strata :
petani kaya, petani cukup kaya, dan petani
miskin
STRATIFIED RANDOM
SAMPLING
* * *
- + * - + * * * *
* * - + + - * + - +
- - -
* - - * + + - * * - -
- - - -
+ + + * - * - * + + --
* - - * + + +
+ + ++
stratifikasi randomisasi
CLUSTER/AREA RANDOM
SAMPLING
• populasi bisa dipisah menurut rumpun/
cluster tertentu
• CLUSTER/RUMPUN :
– subpopulasi dari populasi awal
– tiap rumpun heterogen
– antar rumpun homogen
• Contoh : rumpun (blok) rumah (RT, RW)
kloter jamaah haji
CLUSTER/AREA RANDOM
SAMPLING
-+*+*- +**--+
1 5
-**-+-+ +--+*+
---+++* ++--+- SAMPEL
2 6 ---+++*
**-+*-+ * *+-+* 2 ++--
**-+*-+ **-*
**+-+- +--+**+ +---**+
3 7 8 +-*
+**-+- --+ +** +**--+-
++---+* +---**+
4 8
***++-- +**--+-
RANDOMISASI RANDOMISASI
CLUSTER UNIT SAMPEL
PENGAMBILAN SAMPEL
B. NON PROBABILITY SAMPLING
(NON RANDOM)
1. QUOTA SAMPLING
2. ACCIDENTAL SAMPLING
3. PURPOSIVE SAMPLING
(JUDGMENTAL SAMPLING)
4. SNOWBALL SAMPLING
5. Consecutive Sampling
SAMPLING KUOTA
• Memilih sampel yang mempunyai ciri-ciri
tertentu dalam jumlah/kuota yang
diinginkan
• Misal : dipilih staf bagian gizi sejumlah n
orang dan bagian imunisasi x orang, sebagai
sampel
Sampling Aksidental
• Sampel dipilih yang kebetulan ditemui
Sampling Purposif
• Dipilih sampel yang relevan dengan tujuan
penelitian, dengan ciri-ciri khusus
• Ciri-ciri khusus tersebut ditentukan oleh
keputusan (judgment) peneliti
Judgmental Sampling
Biasanya populasinya “FINIT”
• Misal :
tujuan : mutu sarjana
sampel : dosen, alumni, pengusaha, dll
Consecutive Sampling